《大类资产配置手册》系列之一：收益、风险抑或因子大类资产配置框架与变迁

1、A 股策略专题请务必阅读正文之后的免责条款部分目录引言.51.大类资产配置：内涵与外延 .61.1 如何理解大类资产？.61.2 如何理解配置？.61.3 大类资产配置：内涵与外延的辨析.71.3.1 “大类资产配置”外延的多元化.71.3.2 大类资产配置与股、债、商品、地产等分项研究.71.3.3 大类资产配置与宏观研究.71.3.4 如何看待大类资产配置与量化模型？.81.3.5 大类资产配置与证券研究“2+1”思维.82. 大类资产配置：传统框架.92.1 资产所有者：资产 vs 负债、收益 vs 风险.92.1.1 投资目标：收益与风险的量化.92.1.2 投资限制.102.2 战略

2、资产配置： 六大步骤.112.3 大类资产配置模型：从均值方差、BL 模型到风险平价.132.3.1 均值方差模型（MVO）.132.3.2 附加约束.142.3.3 重抽样.142.3.4Black-Litterman 模型与逆向优化.152.3.5 非正态分布模型.162.3.6 风险预算及风险平价模型.172.3.7 其他资产配置模型.182.4 战术资产配置.192.5 投资方式选择.202.5.1 被动投资与主动投资.202.5.2 投资管理人的选择.212.6 货币对冲.232.7 再平衡.243 大类资产配置：因子投资.243.1 因子的含义.243.2 理论溯源.253.3 因

3、子投资框架 vs 量化投资多因子模型.263.4 用因子解析资产收益.273.4.1 股票收益：市场、行业、地域 3 因子.273.4.2 汇率风险：汇率的影响及因子解析.283.4.3 另类资产：与股债是否存在相同的因子？.293.4.4 常见因子.302 of 39请务必阅读正文之后的免责条款部分A 股策略专题3.5 评估因子的风险溢价、波动和相关性.313.5.1 风险溢价.313.5.2 波动与相关性.323.6 以因子视角，优化资产配置.333.6.1 MVO 与因子投资.333.6.2 风险平价与因子投资.333.7 实现从资产配置向因子配置的过渡.34参考文献.363 of 39

4、A 股策略专题请务必阅读正文之后的免责条款部分图表图 1：大类资产配置与证券研究的 2+1 思维.8图 2：大类资产配置面临的基本问题.8图 3：引入最大回撤：投资者实际面临的期间风险.10图 4：在全球资产配置中，近 20 年来，另类资产的比重逐步增加.11图 5：均值方差模型（MVO）过程.13图 6：利用 Python 生成 MVO 的“有效前沿”.13图 7：不同风险水平，对应的资产权重变化.13图 8：Monte Carlo 重抽样后的“有效前沿”.15图 9：重抽样后不同风险水平对应的资产权重变化.15图 10：Black-Litterman 模型的步骤流程.16图 11：横截面波

5、动率低，短期或应调增被动投资.21图 12：因子投资框架的理论溯源.26图 13：主成分 I 对主要货币收益变动的解释.29图 14：主成分 II 对主要货币收益变动的解释.29图 15：不同的资产，相同的因子.31图 16：实现从资产配置向因子配置的过渡.35表 1：假设每年温和通胀 3%，资产 20 年后的价值约为今天的一半.9表 2：标准差难以反映波动率策略的真实风险.10表 3：大类资产与资产子类别举例.12表 4：非正态分布模型框架与代表著作.16表 5：部分资产配置模型的比较.18表 6：从被动投资到主动投资.20表 7：成功投资管理人应具备的关键特质.22表 8：资产配置中的因子

6、投资，相当于“穿透”食物，参考营养成分表.25表 9：3 因子模型解释力度（R2），按地区分类.27表 10：3 因子模型解释力度（R2），按行业分类.27表 11：主要国家和地区股债指数的本币回报、美元回报以及汇率波动.28表 12：因子、因子定义、历史上的风险溢价与波动（美国 1979 年 1 月至 2016 年 3 月）.31表 13：桥水基金的全天候策略.344 of 39A 股策略专题Diversification Reduces Risks without Reducing Your Return. Raymond Dalio 桥水基金创始人、世界最富有的 100 人之一1引言为什

7、么要全面深入研究大类资产配置？原因在于：国内机构投资者正在 面临“三大变革”，有如逆水行舟，不进则退。一是产业变革。过去三十年，全球资管业务快速发展。基础理论不断创 新，并迅速转化为实践应用。如 Black-Litterman 模型、“耶鲁模型”、“美林时钟”到桥水基金的风险平价。08 年全球金融危机后，因子投资（factor investing）再次引领了资管新潮。ETF 等被动投资的兴起， 不断拓展着大类资产配置的空间。然而在实践中，资产配置的重要性与 资源分配的矛盾却日益凸显。一方面，资产配置决定了投资组合大部分 的收益和风险2；但另一方面，大多数机构仍聚焦于择时、择券和赚取。 这种矛盾

8、冲突，正在不断推动行业组织架构和资源配置的调整与重构3。二是全球变革。世界正在面临百年未有之变局：一方面，新旧动能兴替。 人工智能、大数据、生物医药等新一轮科技革命和产业变革积聚力量， 催生新产业、新业态、新模式。其次，国际格局变换。民粹主义、保护 主义抬头，地缘政治热点不断，全球化在曲折中前行。这些因素映射到 全球资本市场，具体表现为：风险溢价、相关性的显著变化，国际间资 产价格与波动的分歧加大。这对“全球”大类资产配置而言，既是机遇、 也是挑战。三是开放变革。今年以来，中国金融领域对外开放的步伐进一步加快。 一方面，国内投资者“走出去”，在全球范围内摆布资产，需要建立并 完善大类资产配置的

9、投研框架，了解和把握海外各类市场及其相关性。 另一方面，海外投资者“引进来”，随着金融领域外资准入大幅放宽， 期货等衍生品市场加快发展，MSCI、巴克莱等全球股债指数逐步纳入中 国元素，海外投资者正在大踏步地进入中国4。再叠加企业年金、基本养 老保险基金、中央与地方机关事业单位职业年金等长期资金加快入市， 国内市场投资者结构和风格，将面临新变化。国内投资者和监管者有必 要了解新玩家海外机构以及长线资金的理念和玩法。基于以上原因，我们尝试以大类资产配置手册的产品形式，对全球 大类资产配置领域的理论前沿、投资实践和热点问题作以探讨。本文是 第一篇，旨在（1）辨析内涵与外延，探讨大类资产配置的丰富含

10、义；（2）勾勒大类资产配置的理论框架，提供全景视角。（3）为后续系列 报告搭建理论基础和研究平台。1 据彭博 2018 年 1 月统计。2 Briston 在 1986、1990 年两篇著名报告中详细论证了：资产配置能够解释投资组合 90%的收益波动。尽管在具体数字比例上 还存在分歧，但资产配置对投资组合的决定性作用，已被学术界和投资界所公认。3 主动投资还是被动投资？一直是资管行业面临的基本问题。2018 年 9 月，平安资管收缩基本面主动投资，转型量化和委外。4根据中国基金报 2018 年 10 月报道：全球 TOP请务必阅读正文之后的免责条款部分50 的顶级资产管理公司中，已有 10 家

11、拿到中国私募牌照。5 of 39A 股策略专题请务必阅读正文之后的免责条款部分1.大类资产配置：内涵与外延什么是大类资产配置？顾名思义包括“大类资产”和“配置”两层含义。 那么，如何理解“大类资产”，如何理解“配置”？1.1 如何理解大类资产？Greer（1997）将大类资产（super asset classes）划分为三类：（1） 资本资产，通过未来现金流的资本化产生价值。例如，权益、固定收益 和房地产。（2）消费或转化类资产，通过消费或转化产生价值。例如， 谷物、能源等大宗商品。（3）价值储藏类资产，在交换和出售时体现 价值。例如，货币、珠宝、艺术品等。大类资产配置，首先就要明确用于投资

12、的资产类别，也就是将具有同质 投资机会的资产集合起来。如 Swensen（2000）所说，“这项工作既是 科学、也是艺术”。一般而言，资产类别的划分，要满足以下特征：（1） 同质性。同一类别资产具有类似的描述和统计特征。（2）排他性。一 项资产不能同时归属两个类别。（3）相关性。同一类别资产相关性高， 不同类别资产的相关性不能太高。目前，通常涉及的资产类别包括：1.股票（如国内、新兴市场、发达国 家股票等）；2.债券（如利率债、信用债；新兴市场、发达国家债券等）；3.现金及等价物（如 7 天回购、3 个月期国债等）；4.另类投资（如房 地产、大宗商品、PE、VC、基础设施投资等）。那么，问题来

13、了。能否将对冲基金，期货、期权等衍生品，分别划分为 一类资产？我们的观点：1.对冲基金。对冲基金的投资策略五花八门。除绝对收益， 还包括方向型策略（对市场保留部分敞口、如全球宏观对冲、多空策略） 等形式。不同策略具有不同的风险和收益特征，不宜混为一谈。因此， 更恰当的做法是将绝对收益看作一种资产类别，参与投资组合。2.期货、期权等衍生品。衍生品根据标的资产的不同，可分为股票、固 定收益、商品、外汇等类型。不同的衍生品以及对应的标的资产，具有 不同的风险收益特征，不宜混为一谈。例如，大宗商品通常以期货的形 式参与投资组合。股指期货、国债期货、外汇远期一般会作为风险管理、 覆盖策略工具（如实现战术

14、资产配置）等参与投资组合。另外，与传统 资产相比，衍生品更加复杂，存在杠杆、基差风险、展期等问题，因而 对风险管理的要求也更高。1.2 如何理解配置？配置：强调个别资产对投资组合的贡献。传统单资产策略，焦点是个别 资产的风险和收益。但在大类资产配置中，着眼于个别资产对组合风险 收益的贡献，因此要统筹各类资产的相关性。Lustig（2013）举了一个6 of 39A 股策略专题 简单但鲜明例子。设想单一债券资产的波动率是 5，但在加入 5 的股 票后（股票波动率对债券大得多），整个投资组合（95债、5股票） 的波动率，反而从 5降至 4.95。因而“配置”强调：要突破对个别资 产风险收益的讨论，

15、否则就是“一叶障目、不见泰山”。下文将提到风 险预算理论，以每种资产对组合风险的边际贡献（MCTR），来衡量该资 产权重的微小变化对组合整体风险的影响，就是最典型的“配置”思维。大类资产配置：内涵与外延的辨析从“大类资产”和“配置”出发，我们对与“大类资产配置”相关的一 系列概念加以辨析。“大类资产配置”外延的多元化尽管最初聚焦资产配置，但伴随理论创新和投资实践，大类资产配置所 涉及的领域不断拓宽，体现出多元化的特征。实际上，不同机构对“大 类资产配置”有着不同的命名和侧重。“大类资产配置”又被称为：多 资产配置、战略资产配置(SAA)、战术资产配置(TAA)、风险配置、风险 预算、因子配置、

16、政策组合制定（Policy Portfolio Creation）、宏 观投资（Macro Investing）、投资解决方案（Investment Solution） 等。简单地谈“大类资产配置”，已难以覆盖其全部外延。对卖方而言， 向买方提供“投资解决方案”，可能是更确切的一种表述。大类资产配置与股、债、商品、地产等分项研究我们认为两者的差异有三：一是侧重点不同。大类资产配置，首先要考 虑资产所有者的负债以及风险收益特征，要分析资产之间的相关性，要 回答如何配置资产、如何具体实施，如何进行风险管理和业绩评估的问 题。股、债、商品、地产等分项研究，侧重于择时、择券，以及个别资 产的风险收益分

17、析。二是范围不同。大类资产配置包罗万象，除二级市 场外、还涉及 PE、VC 等一级市场；除国内市场外，还涉及发达、新兴 等海外市场；除本币外，还涉及外汇风险。股、债、商品、地产等分项 研究，侧重分析某一类资产。三是期限不同。大类资产配置更着眼于长 期，因此更有能力获取“均值回归”和“逆向思维”的溢价。各类资产 的分项研究更侧重短期决策，需要努力在短期和长期之间寻求平衡。大类资产配置与宏观研究宏观研究是大类资产配置上的一环。首先，有关劳动、资本、生产率、 制度以及外部冲击的宏观分析，勾勒出增长与通胀的长期趋势，决定了 各类资产的溢价和折现率，为战略资产配置（SAA）提供了有益参考。 其次，对商业

18、周期、存货周期，以及对货币政策、财政政策的宏观判断， 在短期影响各类资产收益、波动甚至相关性的预期，有助于战术资产配 置（TAA）决策。但是，大类资产配置还涉及策略学、管理学、心理学 等中微观较多环节。例如，风险管理和多元策略的配置；、收益结 构优化、自主投资还是委外；投资组合的效果评估和业绩归因；资产所请务必阅读正文之后的免责条款部分有者效用的资产负债管理等。7 of 39A 股策略专题那么，如何看待美林时钟与大类资产配置？有一种错误认识，将时钟策 略等同于资产配置。我们认为：时钟策略是宏观研究的具体应用，但宏 观研究只是大类资产配置上的局部一环。作为宏观因子应用于战术资产 配置（TAA）的

19、经典案例，美林时钟基于识别周期拐点，调整资产配置， 揭示了产出缺口、通胀与大类资产轮动的关系。但该策略没有准确量化 各类资产在不同时期的风险收益，也没有考虑大类资产之间的相关性， 以及大量调仓的交易成本，因此在应用过程中有一定的局限。1.3.4 如何看待大类资产配置与量化模型？用 Barton Biggs 的话来说，“资产配置是一门艺术、是一门科学，但（比艺术和科学的）含义更丰富”5。一方面，量化工具是实现和评估资产配置的重要手段。自 Markowitz（1952）均值-方差组合模型诞生以来， 围绕资产配置、风险管理、因子投资等问题，各种量化工具层出不穷。 另一方面，资产管理者在实践中要采取定

20、性、定量相结合的手段。模型 测算作为一种参考，是配置决策的起点。模型的前提假设，或与实际情 况有差异；从历史数据来推演对对未来的预期，又存在不足。因此，加 入定性判断，确定参数设定和输入变量，往往决定了配置和投资的结果。图 1： 大类资产配置与证券研究的 2+1 思维图 2： 大类资产配置面临的基本问题数据来源：黄燕铭(2016)，国泰君安证券研究数据来源：Gupta(2016)，国泰君安证券研究1.3.5 大类资产配置与证券研究“2+1”思维大类资产配置体现了证券研究的 2+1 思维（图 1）。其一，预期思维。 资本市场预期（CME）是形成配置决策的必要参量。无论是基于统计方 法、DDM、风

21、险溢价还是市场均衡，资产管理者最终要确定对未来各类 资产风险、收益和相关性的“预期”，作为输入变量。其二，交易思维。 微观市场结构和行为金融学，被纳入因子投资框架。例如，动量因子将 投资者情绪、追涨杀跌的市场惯性内生化。又如，估值、规模等因子将 “低市盈率”、“小盘股”等市场异象内生化。其三，边际思维。比如， 多因子模型中的，代表了投资组合对某种因子的敏感度，即某种因子 风险溢价的边际变化，所引起组合收益的变化。当预期思维与边际思维参见 Darst（2008）。请务必阅读正文之后的免责条款部分58 of 39A 股策略专题 叠加，就会出现“超预期”，引起战略资产配置（SAA）的调整6，或者 战

22、术资产配置（TAA）和再平衡的需要。当交易思维与边际思维叠加， 就会出现“交易边际”，会引起各类资产价格变化，带来投资组合择时 或择券的机会。2. 大类资产配置：传统框架2.1 资产所有者：资产 vs 负债、收益 vs 风险无论超大型主权财富基金、养老金、基金会、捐赠基金、银行理财子公 司、保险公司，还是普通的个人投资者，资产所有者面临的共同问题是： 如何满足未来支出或债务偿付，如何确定投资目标和所要承担的风险（图 2）。对于依靠投资为日常开支提供资金（如基金会、捐赠基金）， 或者资产主要来源于负债的机构（如养老金、保险公司和银行）来说， 资产负债管理（ALM）是核心问题之一。这些机构：（1）

23、要匹配负债与 资产的久期；（2）通过提高收益目标，承担更大风险，来满足未来支 出和负债偿付的需求；（3）通过削减支出或争取新资金的注入，以应 对投资损失和资产波动7。表 1：假设每年温和通胀 3%，资产 20 年后的价值约为今天的一半年通货膨胀率1 年后5 年后10 年后20 年后1%0.990.950.900.822%0.980.900.820.673%0.970.860.740.544%0.960.820.660.445%0.950.770.600.366%0.940.730.540.297%0.930.700.480.238%0.920.660.430.199%0.910.620.390

24、.1510%0.900.590.350.1212%0.880.530.280.0815%0.850.440.200.04数据来源：国泰君安证券研究2.1.1 投资目标：收益与风险的量化从收益看：资产所有者根据支出或负债要求，确定收益目标。由于资产 配置的长期性，必须重视通胀因素对资产价值的侵蚀（表 1）。无论是 机构还是个人，关心的都是整体回报（不论来源于利息、分红，还是实 现或未实现资本利得）和税后回报。同时还要区分绝对收益、相对收益。 对绝对收益还是相对收益的选择，会直接影响投资组合的风险水平、构6 比如，因政策变化或外部冲击，经济增长趋势超预期或者逊于预期。7衡当期支出与资产规模的方案。

25、Swensen（2000）提出了耶鲁大学一种用于平请务必阅读正文之后的免责条款部分9 of 39请务必阅读正文之后的免责条款部分A 股策略专题 成、投资管理人的行为和投资业绩。如果选择相对收益，就要设置业绩 基准（Benchmark）。因为投资组合不止一类资产，所以业绩基准往往 是若干指数的复合。从风险看：风险就是达不成投资目标的概率。风险目标取决于资产所有 者对风险的厌恶程度，或者说主观接受风险的意愿，以及客观承受风险 的能力。首先，如果投资目标是绝对收益，就要对应绝对风险。一般用 标准差来刻画。在收益呈正态分布的前提下，标准差就可以很好地刻画 投资者面临的风险。但实际中，金融资产往往呈现“

26、尖峰厚尾”的特征， 此时仅考虑标准差，就会误判风险(参见表 2)。为更好地反映收益的概 率分布，就需要引入偏度、峰度等高阶矩；或者利用下偏矩、VaR、半 方差来进一步量化下行风险。Gupta(2016)引入最大回撤，以量化所有 者在投资期间面临的真实风险（图 3）。其次，如果投资目标是相对收 益，就要对应相对风险。一般用跟踪误差（Tracking error）来表示， 以衡量组合收益相对于基准的偏离度。设定跟踪误差，可以事前控制组 合对基准的偏离。大类资产配置往往会同时评估相对风险和绝对风险。表 2：标准差难以反映波动率策略的真实风险图 3：引入最大回撤：投资者实际面临的期间风险股票波动率策略

27、均值9.7%9.9%标准差15.1%15.2%偏度-0.6-8.3峰态4.0104.450101520期末风险期间风险%25总风险数据来源：Ang(2014)，国泰君安证券研究0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 T数据来源：Gupta(2016)，国泰君安证券研究根据收益、风险的刻画，再结合风险厌恶程度，就可以设定资产所有者 的效用函数。不管具体形式如何，风险厌恶决定了在效用函数之中， 效用与收益正相关、与风险负相关。例如，均值-方差效用函数：U=E(rp)-/2* var(rp)其中，rp 是投资组合回报率，是风险厌恶系数。基于投资者心理衍生， 还可以引入其他效用框架

28、，比如：安全第一、损失厌恶、失望厌恶、习 惯效应、攀比效应、不确定性厌恶等。2.1.2 投资限制明确投资目标后，要考虑一系列投资限制。主要包括：（1）资产规模。 如果资产规模过小，可能会因为资源或投资门槛的限制，无法实现充分 的分散化投资。如果资产规模过大，多重环节可能会影响决策效率，买 卖也可能冲击资产价格。（2）流动性。流动性要求较高的投资者，要 投向高质量、高流动性、短久期的资产。流动性要求较低的投资者，可 以投资流动性较差的资产，例如房地产或基础设施，以赚取流动性溢价。10 of 39请务必阅读正文之后的免责条款部分A 股策略专题（3）投资期限。投资期限影响风险目标、投资范围、标的和交

29、易策略。 期限越长，就可以承担更高风险，投资范围更广、流动性要求也更低， 比如：主权投资基金、养老金、企业年金等。（4）税收。风险收益在 税前和税后，可能存在较大差异。不同辖区利息、分红、资本利得等税 率，也有不同。因此，对纳税主体而言，资产配置要考虑税收的影响。（5）监管约束。机构投资者，比如养老金、保险公司和银行都要面对 严格监管，以保证其流动性和清偿能力。（6）其他情况。如社会责任 投资、ESG 投资等。综上，大类资产配置的一项基本工作：就是要了解、明确资产所有者资 产负债、收益目标、风险目标，以及投资限制的情况。这既是投资政策 声明（IPS）涉及的主要内容（根据资产所有者的具体情况，提

30、供战略 配置建议、战术配置建议，或者设计定制化方案），也是大类资产配置 与股、债、大宗商品等分项研究的重要区别之一。2.2 战略资产配置： 六大步骤战略资产配置（Strategic Asset Allocation，SAA）即投资政策声明（IPS）明确的长期资产配置比例，代表了在投资组合中，各类资产的 目标权重。战略资产配置，通常包括六大步骤。第一步：根据资产所有者风险、收益目标和投资限制，明确可用于投资 的大类资产，例如股票、固定收益证券、现金及等价物、另类投资等， 进而确认可供投资的资产子类别（表 3、图 4）。第二步：选择恰当的资产配置模型。从资产负债角度看，分为三类模型：（1）资产分配

31、法（Asset-only），仅根据投资者的资产，形成资产配 置方案。（2）相对负债法（Liability-relative），考虑未来偿还负 债（或支出）的资产配置方案。（3）目标导向法（Goals-based），将 资产拆分成若干个投资组合，分别对应不同的投资目标。0%25%50%75%0%25%50%75%图 4：在全球资产配置中，近 20 年来，另类资产的比重逐步增加100%100%199719981999200020012002200320042005200620072008200920102011201220132014201520162017现金类其他权益类固定收益类资料来源：To

32、wers Watson，国泰君安证券研究11 of 39A 股策略专题表 3：大类资产与资产子类别举例权益类资产固定收益证券另类资产现金及等价物境内上市股票高等级固定收益商品现金/电子现金大盘股国债商品期权期货银行存款中盘股高等级金融债（国开债）实物商品银行承兑汇票小盘股高等级地方债/企业债海外市场大额可转让定期存单成长股国债期货房地产七天回购价值股高回报固定收益证券土地货币市场基金股票期权期货低等级地方债/企业债办公用房国库券境外股票混合融资债券住房香港股票可转换债REITs美国股票分离可转换债对冲基金新兴市场股票境外固定收益绝对收益未上市股权发达国家政府债券全球宏观发达国家公司债多空策略新

33、兴市场政府债券新兴市场公司债债券期权期货利率互换外汇互换数据来源：国泰君安证券研究第三步：形成各类资产的资本市场预期8（CME），例如预期收益率、标 准差和相关系数等，这些是战略资产配置决策的输入变量。CME 的期限 要与投资期限相匹配，一般是 5-10 年。历史数据是形成 CME 的起点。 但由于 CME 是对未来的预期，直接把历史均值当作 CME，可能会得到错 误结论。从实证看，Lustig（2013）对 1926-2012 年美股、美债和国库券进行了考察，结论是：（1）无法用过去 10 年的收益率和相关系数，预测未来 10 年的收益率或相关系数；但是（2）历史波动率可能是预测 未来波动率

34、较好的指标。估计 CME，主要有三种方法。一是采用规范式工具（Formal Tools）， 例如（1）基于历史数据的统计模型，收缩估计量（Shrinkage estimate）、 时间序列、多因子模型等；（2）DDM 模型；（3）风险溢价模式；（4） 金融均衡模型。二是专家问卷调查。三是定性判断。涉及宏观研究，例 如经济增长、跨境资本流动、库存周期，货币政策、财政政策、外部冲 击等。在衰退期表现比较好的资产，比如国债，风险溢价较低。在衰退 期表现比较差的资产，风险溢价较高，比如股票和高收益债券。第四步：形成资产配置可选方案。将 CME 输入资产配置模型，通过求解 最优化问题，形成一系列可供投资

35、者选择的资产配置方案。第五步：模拟资产配置可选方案的效果。测试在既定投资期限内，资产8也称之为资本市场假设（CMA）请务必阅读正文之后的免责条款部分12 of 39请务必阅读正文之后的免责条款部分A 股策略专题 配置可选方案的投资结果，是否能在投资者风险容忍度的范围之内，达 到其收益目标。第六步：不断重复第四步、第五步，直至产生最优资产配置组合。2.3 大类资产配置模型：从均值方差、BL 模型到风险平价以下对大类资产配置模型略作展开，限于篇幅，我们重点探讨模型之间 的联系和区别：2.3.1 均值方差模型（MVO）Markowitz（1952）提出的均值方差模型（MVO），是大类资产配置过程 中

36、的标准工具。几乎所有的商业优化器，都建立在 MVO 某一种变型的基 础之上。MVO 的基本思想是：假定投资者是风险厌恶的，根据各类资产 的预期收益和方差，以及资产之间的相关系数，就能够确定既定风险水 平下收益最大化，或者既定收益水平下风险最小化的投资组合。最优的 收益风险配对，形成有效前沿。投资者最终选取的：就是有效前沿上， 令其效用最大化的点（图 5、图 6）。图 6：利用 Python 生成 MVO 的“有效前沿”图 7： 不同风险水平，对应的资产权重变化波动率收益率02040600.22200.22210.22230.22270.22320.22380.22510.22710.22980

37、.23320.23730.24200.24720.25310.2595波动率化工钢铁商贸房地产电子银行机械饮料100%80配置比例数据来源：Markowitz(1952)，国泰君安证券研究数据来源：wind，国泰君安证券研究。以申万 8 个行业为例图 5：均值方差模型（MVO）过程输入输出预期收益率方差协方差风险厌恶程度MVO效用最大化约束条件资产配置权重组合的预期收益率组合的方差投资约束资料来源：Markowitz（1952），国泰君安证券研究13 of 39A 股策略专题 没有约束、未经改进的 MVO，存在较大缺陷，影响了模型的实际应用。 MVO 主要缺陷包括：结果对输入（CME）高度敏感

38、。输入变量的微小变动，会引起配置 结果的较大变动。因此 MVO 输出的有效前沿，有悖于分散化构想，有时 会出现持仓过度集中的问题（图 7）。另外，在实践中很难准确预测预 期收益、波动率和相关系数。MVO 输出结果是否最优，严重依赖输入变 量，特别是预期收益的准确性9。因此，MVO 存在 GIGO 的问题（即如果 输入的是垃圾，输出的也会是垃圾）。风险量化与风险分散。MVO 采用方差、标准差来描述风险，没有 充分刻画下行风险。如果收益并非正态分布，MVO 就会对资产的真实风 险产生误判。此外，分散化资产投资，并不意味着分散风险。比如，股 票和公司债受共同风险因子的影响。仅在股票和公司债之间进行配

39、置， 无法有效地分散风险10。忽略负债与单期框架。MVO 是资产分配（Asset-only）模型，没 有考虑投资者未来负债的影响。此外，MVO 假设单一投资期，因此没有 考虑跨期现金流动的问题，也就不涉及对再平衡潜在成本和收益的分析 。大类资产配置中的很多模型，都是围绕如何弥补 MVO 上述缺陷展开的。 其中，为解决 MVO 对输入参数（CME）的敏感性问题，通常有三种方式： 附加约束条件、重抽样，以及逆向优化。以下分别作以介绍：2.3.2 附加约束附加约束条件，可以将 MVO 变为约束最优化问题。常见的约束条件包括：预算约束。所有资产权重加总等于 1。非负约束。每种资产权重都在 0-100

40、之间，不存在卖空。固定权重。固定某一种或多种资产的权重（例如，人力资源等无 法交易的资产）。限定范围。限定某种资产的权重范围（例如，限制现金及等价物 权重在 5-10 之间）。相对权重。规定不同资产的权重关系（例如，新兴市场债券权重 新兴市场股票权重）。考虑负债。根据未来负债或支出计划，增加久期约束等。2.3.3 重抽样通过重抽样，构造大量样本序列，也可以改善输入变量（CME）的稳定 性问题。这里可采用（1）Monte Carlo 模拟。先根据估算的 CME，确定 参数分布，再通过 Monte Carlo 构造稳健的有效前沿；或者采用（2） Bootstrapping。在历史数据中随机抽取形成

41、大量新样本，再构建稳健9 根据 Chopra (1993),MVO 优化结果对预期收益误差的敏感度比方差大 11 倍，方差误差的敏感度是协方差的 2 倍。10 2018 年全球大多数资产表现不佳，体现了共同风险因子的特征。因此有人戏言：“鸡蛋没有放在一个篮子里，但篮子却在同一个车里”。请务必阅读正文之后的免责条款部分14 of 39请务必阅读正文之后的免责条款部分A 股策略专题 的有效前沿。两种方式区别在于：Monte Carlo 要假定收益分布的参数， Bootstrapping 不需要假定参数，但依赖历史收益的分布（图 8、图 9）。图 8：Monte Carlo 重抽样后的“有效前沿”图

42、 9： 重抽样后不同风险水平对应的资产权重变化波动率收益率注：红色线为有效前沿0204060800.06750.06780.06860.06980.07160.07390.07680.08030.08420.08850.09320.09850.10490.11260.1266波动率化工钢铁商贸房地产电子银行 机械饮料100 %配置比例数据来源：Markowitz(1952)，国泰君安证券研究数据来源：wind，国泰君安证券研究. 以申万 8 个行业为例2.3.4Black-Litterman 模型与逆向优化逆向优化是从（被视为）最优的投资组合出发，根据最优资产权重、方 差、相关系数，反推资产的

43、预期收益率。逆向优化的基本逻辑是：在有 效市场中，市值反映了市场参与者拥有的全部信息。因此，根据资产的 市值，以及资产组合的市值，可以确定最优资产权重（即资产占组合市 值的比重）。进而从最优资产权重出发，通过逆向优化得到预期收益率， 又被称为隐含收益率（implied return）。隐含收益率反映了市场现实， 因此较为稳定。在实践中，投资管理人在得到某种资产的隐含收益率后，希望根据自己 的判断，再做一些调整。然而，由于 MVO 对输入参数高度敏感，即使对 隐含收益进行微调，也可能显著改变资产权重的配比。为解决该问题， 高盛分析师 Black & Litterman (1990,1991 &

44、1992)在逆向优化基础上， 提出 Black-Litterman 模型（简称 BL 模型）。这里仅对该模型思路、 流程和特点作以总结，Idzorek (2007)详细阐述了 BL 模型的细节。BL 尽管被视作资产配置模型，但本质上是为了测算预期收益，进而用于 有约束或无约束最优化的求解。主要步骤有三：第一，根据逆向优化思 想，得到资产的隐含收益率；第二，投资者加入主观判断，对隐含收益 进行修正，得到预期收益。这里可通过两种方式进行修正，一是直接调 整某种资产类别的绝对收益率；二是引入对某种资产与其他资产利差的 判断（例如，新兴市场股票比发达国家股票高 100bp）。第三，再根据 修正后的隐含

45、收益率，利用无约束或有约束的 MVO，确定资产配置权重、 以及投资组合的预期收益和方差（图 10）。BL 模型将逆向优化得到的预期收益率，与投资者的经验判断相结合。这 种方法既建立在经济现实基础上（在逆向优化过程中，考虑资产市值）， 又引入了经验判断，更充分地反映了投资者所掌握的全部信息，增强了 MVO 模型的可用性。15 of 39A 股策略专题请务必阅读正文之后的免责条款部分图 10：Black-Litterman 模型的步骤流程数据来源：KAPLAN University，国泰君安证券研究2.3.5 非正态分布模型MVO 用方差、标准差来刻画风险，没有考虑高阶矩或下行风险。但实际 中，如

46、果收益非正态分布，这种对风险的刻画并不完善。为此，理论与 实务界研发了一系列模型，引入非正态分布并采用更细致的方式来描述 风险（参见表 4）。表 4：非正态分布模型框架与代表著作非正态分布模型框架代表著作均值-半方差最优模型Markowitz(1959)均值-条件风险价值最优模型Goldberg, Hayes, and Mahmoud(2013) Rockafellar and Uryasev(2000)Xiong and Idzorek(2011)均值-方差-偏度最优模型Briec, Kerstens, and Jokung(2007) Harvey, Liechty, and Muller

47、(2010)均值-方差偏度峰度最优模型Athayde and Flores(2003) Beardsley, Field, and Xiao(2012)数据来源：CFA Institute，国泰君安证券研究输入假定的最优资产配置方差协方差风险厌恶因素投资约束反向 MVO效用最大化约束条件输出隐含收益率Black Litterman输出输入资产配置权重投资组合的MVO效用最大化修正后的 隐含收益率预期收益率约束条件方差投资组合的方差协方差风险厌恶因素约束条件16 of 39A 股策略专题的准确性高度敏感。风险平价模型只需要考虑 10请务必阅读正文之后的免责条款部分2.3.6 风险预算及风险平价模

48、型风险预算MVO 或BL 模型都是从资产分配的角度，测算资产收益率、波动以及相关 性，来确定投资组合的资产权重。风险预算提供了另一个视角：从风险 分配的角度，来重新审视资产配置的权重，以及权重变化的影响。大类 资产配置因此呈现出一种“横看成岭侧成峰”的可视感11。风险是一种稀缺资源。根据 Winkelmann（2003）及 Lustig（2013）， 风险预算确定了投资组合的整体风险，并将其分配给不同的风险收益来 源。风险预算解决了应当承担什么风险，要承担多少这种风险的问题。 风险分配对象可以是（1）某种资产、资产大类；可以是（2）战略资产 配置、战术资产配置、以及投资工具选择三个不同环节，可

49、以是（3） 被动投资或主动投资，也可以是（4）各种投资策略。风险预算的目标是：最大化每单位风险的收益。这里的风险，既可以是 绝对风险（比如对称的标准差，着重刻画下行风险的 VaR 或者最大回撤）， 也可以是相对风险（比如跟踪误差）；既可以是投资组合的整体风险， 也可以是积极风险（active risk）或者残留风险（residual risk）12。 风险预算的关键思路在于：测算某种资产的边际风险贡献，即该资产权 重的微小变化，对组合风险的影响13。从风险预算标准看，当每一种资 产的“风险溢价/边际风险贡献”全部相等时，资产配置权重为最优， 否则存在进一步改进的余地。风险平价模型风险平价是目前

50、比较流行的资产配置模型之一。Qian（2005）最早提出 了风险平价（risk parity）的概念。但实际上，桥水基金 1996 年就开 始根据风险平价的原则进行投资，推出著名的“全天候策略”。从风险 预算角度看，风险平价相当于把投资组合的整体风险平均分摊到每种资 产（或资产大类、风险因子）当中去，每种资产（或资产大类、风险因 子）对投资组合整体风险的贡献是相等的。从技术上看，每种资产的权 重，与其收益方差，或者标准差的倒数成正比。换句话说，在风险平价 模型中，波动越高的资产，配置权重越低，反之亦然。得到基于风险平 价的投资组合后，投资者可通过借入或者持有部分现金，调整杠杆比例， 使整个投资

51、组合与其风险容忍度相对应。风险平价在本质上是一种特殊形式的 MVO。MVO 要求输入许多参数14，并 且对参数（尤其是预期收益）准确性的要求很高。风险平价模型不需要11 因子分析兴起后，这种可视感更加强烈。12 积极风险衡量投资收益与基准收益的差异，通常用跟踪误差衡量，反映了资产管理人积极投资决策对基准的偏离。残留风险 是某个公司的特定风险，例如自然灾害、诉讼赔偿等，是一种非系统性风险。13 某种资产的边际风险贡献 MCTRi，即投资组合风险对该资产权重的偏导数。简单形式如下：MCTRi = i*p ，其中，p 是投资组合的标准差，i 即第 i 类资产相对于组合的值。某种资产的绝对风险贡献 A

52、CTRi = Wi*MCTRi ，其中，Wi 是该资 产的权重。14 如果投资组合包括 10 种资产，MVO 需要输入 10 个预期收益、10 个标准差以及 45 个相关系数，并且配置结果对这些参数 个标准差（或者方差）。17 of 39A 股策略专题 估计预期收益和相关系数，只需要估计波动率。其隐含的假定是：所有 资产预期收益相等，并且彼此之间不具有相关性15（表 5）。因此，风险 平价模型所需的输入参数显著减少。另外，波动率模型相对成熟，实证 研究证实：与预期收益相比，波动率更容易预测。因此，风险平价模型 可以得到较为稳健的配置结果。表 5： 部分资产配置模型的比较均值假设波动率假设相关系

53、数假设评价均值-方差（MVO）无约束无约束无约束最复杂风险平价相同无约束等于 0无须估计均值及相关系数最小方差相同无约束无约束无须估计均值等权重（1/N 组合）相同相同相同最简单、积极、无须估计市值权重-可观察、被动、无须估计资料来源: Ang(2014), 国泰君安证券研究风险平价模型，目前仍存在较大争议。反对者认为：该模型最大缺陷在 于，完全忽视了资产的预期收益，因此未能做到风险与收益的有效平衡。 在过去 20 多年，风险平价之所以能够取得巨大成功，原因是该模型赋予了低波动债券更高的权重。美国长达 30 多年的利率趋势性回落，令 美债表现优异。但随着美联储加息缩表，利率在未来很可能向上，呈

54、现 出均值回归的特征。此外，风险平价还依赖于投资组合资产类别的划分。 举个简单例子：假设组合包含 7 类股票、3 类债券，那么 70的风险将 来自股票，30的风险将来自债券。但如果反过来，组合包含 3 类股票、7 类债券，那么 30的风险将来自股票，70 的风险将来自债券。因此， 基于资产类别的风险平价，未必能够达到分散风险的目的。基于因子的 风险平价，才能够更好地避免这种偏差（参见第 3 章的讨论）。2.3.7 其他资产配置模型MVO、BL、风险平价等都属于资产分配（Asset-only）模型，没有考虑 投资者负债的影响。但对于养老金、保险公司、银行、基金会、捐赠基 金等机构来说，负债或支出

55、计划是影响资产配置的重要因素。以下对考 虑投资者负债因素的相对负债法、目标导向法作以简介。（1）相对负债法相对负债法是考虑偿还负债（或支出）的资产配置方案，有三种模式： 一是盈余最优化（Surplus Optimization），其实是 MVO 的一种变形， 把负债看作投资组合一部分。盈余收益=资产价值变化-负债价值变化， 再根据盈余收益的均值、方差，采用 MVO 进行资产配置。二是两组合模 式（Two-factor Approach）。将资产划分为“对冲”、“回报”两个 组合。对冲组合应对未来支出和负债，采取现金流匹配、久期匹配或免 疫策略（immunization）。回报组合采用 MVO

56、等资产配置模型，寻求风 险和收益的最优搭配。保险公司或者资金充裕的养老金，经常采用这种 模式，将未来资金短缺的风险最小化。三是资产负债协同法（Integrated15。一些高级的风险平价模型会考虑估计相关系数请务必阅读正文之后的免责条款部分18 of 39请务必阅读正文之后的免责条款部分A 股策略专题 Asset-Liability Approach）。资产负债协同法是一个多期模型，考虑 资产负债之间的相互反馈，不断寻求两者的最优搭配。而在盈余最优化、 两组合模式中，负债计划是固定不变的。目标导向法目标导向法将资产拆分成若干个组合，分别对应不同的投资目标。该方 法中，投资目标不再是整个组合的预

57、期收益，而是针对每个目标的（彼 此之间可能存在冲突）“最低期望”，即给定期限和风险概率，实现该 目标所要求的最低预期收益。该框架下的资产配置，即为实现每个目标， 各类资产权重的总和。其他配置模型此外，常见的资产配置模型还包括：60/40 法则、最小方差法、等权重（1/N）法、市值权重、耶鲁模式、Kelly 法则等。这些模型容易理解， 限于篇幅，不再赘述。从实证研究看，简单策略的效果，未必逊于前文 提到的复杂模型，有时甚至表现更好。2.4 战术资产配置战术资产配置（Tactical Asset Allocation）即对长期资产配置比例（战略资产配置）的短期偏离，通常用于寻求经济周期变化，或资产

58、错 误定价的机会。战略资产配置，往往在全球不同市场（如股票、债券、商品、外汇等）中寻找机会，因此又被称为全球战术资产配置（GTAA）。 投资者进行战术资产配置，隐含了两个假设：第一，认为短期资产回报 是可以预测的；第二，认为自己或选择的投资管理人具备这种预测能力。战术资产配置是“择时”吗？这两个概念不宜混同。Opiela（2011）曾 对资管界的权威专家进行了走访，不同专家尽管对概念有不同理解，但 都认为自己在进行战术资产配置，而不是“择时”。（1）择时是一个 “非 0 即 1”的问题，即“是否要买利率债？是否要卖螺纹钢？”（2） 战术资产配置是相对于战略资产配置的调整。一般具有三个特点：一是

59、 调整幅度受限，不能过度偏离长期资产配置比例。二是涉及多资产类别（或风险因子）权重的调整。比如，根据市场情况，在 60/40 资产配比 的基础上，调增债券敞口，调减股票敞口。又如，在股票大类中，调增新兴市场敞口，调减美股敞口。三是不涉及择券、不考虑债务支出。战术资产配置以战略资产配置为基准，可采用两种指标控制相对风险：（1）每种资产目标权重，事前允许偏离的范围；（2）相对于战略资产 配置的跟踪误差预算。战术资产配置效果，一般可以用 3 种指标衡量：战术资产配置，与仅采用战略资产配置，两者Sharp ratio 对比；计算战术资产配置的信息比率；（3）绘制战术资产配置的收益和 标准差，与（包含战

60、略资产配置）有效前沿的收益和标准差进行对比。 战术资产配置的收益或 Sharp ratio，可能比战略资产配置高，但不一 定优于有效前沿上的其他组合。19 of 39请务必阅读正文之后的免责条款部分A 股策略专题 战术资产配置包括两种基本方法，一是自主配置（Discretionary TAA）； 二是系统性配置（Systematic TAA）。（1）自主配置。参考宏观经济、 市场以及情绪指标，定性判断并进行预测。该方法要参考能够反映政治、 经济、金融市场走势，影响短期资产收益的一系列指标。例如，GDP 增 速、货币政策、财政政策、通胀、资本流动、盈利预期、PMI、期限利 差、信用利差、估值偏离